张亚勤：AI不是泡沫，但AI公司有泡沫

采访约在北京一个寻常的下午。张亚勤刚从一场学术会议赶回来，西装外套搭在椅背上，说话语速不快，但每句话都像是从多年的行业沉淀里直接拎出来的。他曾在百度主导 AI 战略，如今以学者身份观察这场技术浪潮的起落。当话题转向”AI 泡沫”这四个字时，他几乎没有停顿。

“AI 本身不是泡沫。“他说得很轻，但很笃定。

这句话像是给整场对话定了调。他并不否认市场上有狂热、有虚火、有估值离谱的公司，但他坚持一点：要把技术的本质和商业的表象分开来看。

技术的真实，与市场的夸张#

张亚勤反复强调一个判断：这一轮 AI 的技术底座是扎实的。大模型的能力曲线没有走平，推理、代码、多模态的理解仍在快速爬坡。这与 2016 年那波”AI 寒冬”前的状态完全不同——那时候很多技术 Demo 背后没有可扩展的工程路径，而现在的基础模型在真实场景里已经在产生可量化的价值。

但他也承认，技术的成熟和商业的成熟之间，隔着一条大多数公司低估了的河。“从技术到产品，从产品到商业模式，每一步都需要时间。“他说这话的时候，语气里没有悲观，更像是一种过来人的平静。他见过太多公司在技术不成熟时过度承诺，也在技术成熟后因商业化节奏失当而倒下。

这正是他眼中”AI 公司有泡沫”的根源。不是技术骗人，是人对技术的预期骗了自己。一家估值数十亿美元的 AI 公司，如果只有 API 调用量和融资新闻，没有可持续的客户价值和单位经济模型，那它就属于泡沫的那一部分。张亚勤不点名，但在座的每个人都明白他在指什么。

中国 AI 的位置，与真正的差距#

话题自然转向了中国 AI 在全球格局中的位置。张亚勤的态度既不是盲目乐观，也不是妄自菲薄。他承认在基础模型的原生创新上，中美之间仍有差距，但这个差距比两年前小了很多。中国公司的优势在于工程化能力和应用场景的密度——同样一个模型，中国团队往往能用更低的成本部署到更复杂的业务流里。

“你不能只看论文数量，也不能只看融资额。“他说，“要看谁真正把模型用起来了，用在了哪里，产生了什么效果。“他举了几个制造业和医疗领域的例子，那些场景里没有 PR 稿，没有发布会，但模型在产线上跑了大半年，良品率在提升，这才是技术真正落地的信号。

他也坦率地谈到了限制。算力瓶颈是真实的，高端芯片的获取难度在短期内不会消失。但张亚勤认为，这种限制反而催生了一种”效率优先”的工程文化——中国团队在模型压缩、推理优化和混合精度训练上的积累，正在成为另一种竞争力。“如果有什么能让中国 AI 走出一条不同的路，那就是我们不得不在资源更紧的情况下把事情做成。“

短期噪音，与长期价值#

张亚勤对”AI timeline”这个话题格外敏感。他观察到，市场对 AI 商业化的预期总是从一个极端摆到另一个极端：两年前所有人觉得 AGI 明天就到，现在又有人觉得 AI 公司全在烧钱等死。他认为这两种判断都犯了同样的错误——把一条指数曲线的某一段当成了全部。

“未来三到五年，AI 会经历一个’去泡沫化’的过程。“他说得并不掩饰。大量只有概念没有产品的公司会被淘汰，融资会回归理性，估值体系会重新锚定在收入和增长质量上。但这不意味着行业的萎缩，恰恰相反，他认为真正有能力交付价值的公司会在清洗之后获得更大的市场份额和更长的发展窗口。

他提到了自动驾驶和 AI 制药两个领域作为例子。这两个方向都经历过”先热后冷再回暖”的周期，而每一次周期的底部，都是技术真正迭代和积累的阶段。“这个行业不缺聪明人，缺的是耐心。“张亚勤说这句话的时候，窗外已是傍晚。

他没有给出一个乐观的终点，也没有唱衰。他只是把桌子上的牌一张一张翻过来，告诉你哪些是真的，哪些是假的。至于怎么打，那是每个从业者自己要做的事。

来源：36 氪